PDF문서[Insight Report 2019-57] 2020년 AI 7대 트렌드(최종).pdf

닫기

background image

2020년  AI  7대  트렌드

-  Beyond  Perception

이승민·정지형

Insight  Report  2019-57


background image

2020년  AI  7대  트렌드

본  보고서의  내용은  연구자의  견해이며  ETRI의  공식  의견이  아님을  알려드립니다.

본  보고서는  ETRI  기술정책연구본부  주요사업인  ”ICT  R&D  경쟁력  제고를  위한  기술

경제  및  표준화  연구“를  통해  작성된  결과물입니다. 

본  저작물은  공공누리  제4유형:

출처표시+상업적이용금지+변경금지  조건에  따라  이용할  수  있습니다.


background image

Executive  Summary

1

1.  또  다른  선택,  중국  AI

5

2.  새로운  국민주의,  AI  내셔널리즘

8

3.  증강  분석과  다크  데이터

12

4.  연구의  방식을  바꾸는  R&D  혁신지능

15

5.  넓어지고  깊어지는  창작지능

18

6.  자율지능의  미래,  AI  호문쿨루스

21

7.  AI  칩이  정의하는  컴퓨팅  폼팩터

24


background image

background image

www.etri.re.kr  ●●●  1

Executive  Summary

지금을  제4차  산업혁명의  시기라  부른다면,  우리의  미래를  결정하는  것은  인간,  그리고 

AI일  것이다.  AI  충격은  지난  세  차례의  산업혁명보다  더  큰  파고를  만들  가능성이  크다. 

지금  우리에게  필요한  것은  인공지능이  가져올  화려한  미래에  취할  것이  아니라,  지난  250여 

년의  산업혁명  역사를  통해  AI가  만들  변화의  넓이와  방향을  냉철하게  바라보는  일이다. 

AI가  주도하는  제4차  산업혁명은  산업의  패러다임을  바꿔  새로운  경제  질서를  만든다는  점

에서  과거의  산업혁명과  닮았다.  그러나  제4차  산업혁명  시대에는  기술이  경제뿐만  아니라 

국제정치와  강하게  중첩되는  현상이  처음으로  나타난다는  점에서  과거와  다르다.1)  특히, 

AI는  ICT를  비롯한  과학기술  전체를  이끄는  슈퍼  범용기술로서  국제정치‧경제를  관통하며 

거대한  파고를  만들고  있다.  단순히  ‘인식(Perception)’  지능으로  여겨졌던  AI  기술혁신이 

경제와  국제정치  질서에  본격적으로  개입하기  시작했다. 

그림  1

AI가  만드는  제4차  산업혁명의  파동2)

※  출처:  저자  작성

이번  보고서에서는  AI  기술  내면에서  일어나고  있는  의미  있는  혁신뿐만  아니라  세계 

경제와  나아가서  국제정치  패권  질서를  바꿀  AI  확산의  파급력을  거시적으로  해석하였다. 

[정치]  AI  기술은  패권  변화의  새로운  동력이다

AI  기술적  충격은  세계  경제를  넘어  국제정치질서마저  흔들고  있다.  그  한가운데  중국이 

있다.  기술  영역에서만  보더라도  AI는  주요  기술群의  중심이자  ‘데이터  가치사슬3)’의  최고 

1)  지금까지  산업혁명과  국제패권은  기술과  경제,  또는  경제와  정치  부문의  메가트렌드가  중첩되어  비롯됨 
2)  Carlota  Perez(2002),  Technological  Revolutions  and  Financial  Capital:  The  Dynamics  of  Bubbles  and 

Golden  Ages;  ESPAS(2019),  Global  Trends  to  2030:  Challenges  and  Choices  for  Europe;  Michael 
Horowitz  et  al.(2018),  Strategic  Competition  in  an  Era  of  Artificial  Intelligence;  ETRI  (2019),  왜 
‘국가’  지능화인가?;  ETRI(2018),  2018  글로벌  트렌드;  김은환(2019),  산업혁명의  숨은  주역들  등을  참고

3)  데이터의  수집→  전달  →  축적  →  분석  →  활용에  이르는  관련  기술(5G,  반도체,  슈퍼컴퓨터,  로봇  등을 

모두  포함)  및  제반  생태계를  의미


background image

2020년  AI  7대  트렌드

2  ●●●    기술정책연구본부

정점에  위치한다.  최근  기술패권을  둘러싼  미·중  간  갈등  양상도  AI가  이끄는  데이터  가치

사슬의  경쟁이다.  중국  AI를  주목해야  하는  이유는  데이터의  양뿐만  아니라  질적인  측면에

서도  자신만의  색채를  내기  시작했기  때문이다.  중국  정부의  강력한  AI  확산정책은  중국만

의  섬세하고  풍부한  데이터  가치사슬을  만들었고,  단기간에  미국과의  경쟁에서  기술력의 

열세를  극복하는  힘이  되었다.  그러나  국가  주도  AI  성공모델은  기술경쟁을  넘어  강대국  간 

헤게모니  경쟁으로  이어져  AI  내셔널리즘을  촉발하는  결정적  계기로  작용하고  있다.  바야흐

로  AI  기술력이  국방력을  포함하여  국제정치질서를  결정하는  핵심  잣대로  부상한  것이다.

미국과  중국의  AI  기술  경쟁은  AI  내셔널리즘으로  부를  만한  국제적  현상으로  이어지고 

있다.  중국은  센스타임  등  주요  AI  기업들에  대해  소위  ‘AI  국가대표팀’이라는  지위를  부여

하며  국가적인  지원을  약속하고  있다.  그리고  이런  중국의  노력에  대해  미국은  중국  AI  주

요  기업들을  무역  거래제한  대상으로  지정하는  노골적인  경계  긋기를  보여주고  있다.  한편 

유럽은  공정한  조세와  프라이버시  보호라는  명분을  통해  미국,  중국  등  AI  선도국들을  견

제하기  시작했다.  디지털  기업들의  수익이  아닌  매출에  세금을  물리는  구글세,  막대한  범칙

금  부여가  가능한  GDPR  규제  등은  유럽  연합이  미국,  중국의  세계적  AI  기업과  서비스들

에  대해  건설하는  장벽이다.

[경제]  기계지능의  출현은  생산하는  방식을  바꾼다

AI  경제시대에  생산성은  기존과  다르게  작동한다.  ‘기술  변화의  겉모습은  빠르고  현란하

지만,  기술이  생산성  향상으로  이어지는  과정은  생각보다  느리게  진행된다’는  과거의  산업

혁명이  주는  교훈은  지금도  여전히  유효하다.  AI와  경제성장의  관계를  극단적으로  바라보

는  이유도  여기에  있다.  그런데  최근  AI  기술이  생산성  향상에  미치는  구체적인  경로가  조

금씩  드러나기  시작했다.  AI는  어떤  형태로  생산성을  바꾸는가?  먼저,  AI는  비즈니스  영역

에서  데이터  분석의  양과  질을  바꿔  노동생산성을  높인다.  이것은  증강  분석이  인간이  처

리하는  의사  결정과  다른  방식으로  우리에게  새로운  통찰력을  제공하기에  가능한  것이다. 

특히,  정보  우주의  암흑물질로  불리는  ‘다크  데이터’는  지금까지  알려지지  않은  새로운  가

치를  창출하며,  투자의  방향마저  바꾸고  있다. 

무엇보다  기대되는  부분은  ‘R&D  혁신의  역설’을  파괴할  수  있다는  점이다.  최근 

DeepMind의  AlphaFold를  비롯해  다양하게  시도되고  있는  R&D  혁신이  대표적이며,  이는 

AI가  ‘지식의  생산성’을  획기적으로  높일  수  있다는  가능성을  보여준다.  AI  기술혁신이  연

구의  생산성을  바꿔  총요소생산성을  개선할  수  있다. 

한편,  AI는  지금까지  ‘인식’과  정반대의  위치에서  인간  고유의  영역으로  간주되었던  ‘창

작’  분야에도  의미  있는  성과를  보여주기  시작했다.  이것은  인간의  창의성을  극대화하며  노

동생산성을  높일  수  있는  또  다른  가능성을  시사한다.  그  가능성은  단순히  모방을  넘어  우

리가  꿈꿔왔던  인간을  넘어서는  ‘AI  설계자’일  수도,  ‘AI  전략가’일  수도  있다.  AI가  만드는 


background image

www.etri.re.kr  ●●●  3

창작영역은  인간과  다른  시각에서  점점  넓고  깊어지고  있다.  그림  그리기,  소설  쓰기,  영화 

시나리오  쓰기  등  AI가  진입한  창작의  영역은  다채롭다.  몇  마디  말을  배운  아이가  크레파

스를  들고  스케치북에  낙서를  시작한  것이다.  하지만  우리가  AI에  기대하는  창작의  더  큰 

가치는  한정된  자원을  이용해  목표를  달성하는  작업이다.  예를  들어  우리는  AI가  자유롭게 

‘집’을  상상하고  그리는  것이  아니라,  주어진  비용이라는  제한을  지키면서  ‘5인  가족이  안

락하게  살  수  있는  집’을  설계해  주기를  기대한다.  이러한  고차원적  창작은  음성인식,  자연

어처리,  로봇동작제어,  자율주행차  등  더  다양한  분야에서  더  깊은  추론‧제어  기능의  학습

이  이루어지고  이  과정에서  축적된  각  분야  전문  지식이  통합될  때  가능할  것이다.  하지만 

가장  필요한  것은  이러한  고차원적  지능이  가능할  것이라는  믿음과  기대로  보여진다.

[기술]  AI  기술은  물리적  세계(Bit  to  Atom)로  첫발을  떼고  있다

인간의  지능이  두뇌뿐만  아니라  우리  신체의  형태,  기능과  연관을  맺듯이  AI  역시  AI가 

깃든  기계장치와  유기적  연관을  맺으며  발전해  나가고  있다.  AI가  깃든  몸은  자동차,  드론, 

로봇팔  등으로  확장되고  있고  이에  따라  AI는  새로운  능력을  새로운  방식으로  익혀가고  있

다.  자동차,  드론의  조종법은  이미지인식에  기반해  작동하는데  로봇팔을  움직이는  AI인 

Dactyl은  물리엔진을  이용한  시뮬레이션과  이미지인식을  함께  사용한다.  Dactyl의  학습법

은  인간이  새로운  손동작을  익힐  때  우리  몸과  두뇌  속에서  일어나는  작업과  유사하다.  즉, 

눈으로  손의  움직임을  관찰하는  것과  과거  경험에  기반해서  동작  과정과  결과를  머리  속으

로  상상하는  작업이  함께  일어나는  것이다.

AI  반도체라는  새로운  연산장치가  만들어지고  있으며  GPU,  ASIC,  FPGA,  뉴로모픽칩 

등  다양한  기술들이  경쟁하고  있다.  향후  AI가  구현되고  작동하는  지점은  글로벌  ICT  서비

스  기업의  데이터  센터와  스마트폰으로  양극화될  것으로  보인다.  그리고  이들은  고속화되

는  모바일  네트워크로  연결된다.  이런  추세를  인정한다면  AI  반도체의  미래  주류는  각각 

프로그래밍  용이성,  연산속도라는  뚜렷한  장점을  가진  GPU,  ASIC(또는  ASSP)  등이  병존

할  가능성이  높을  것으로  보인다.

세계를  움직이는  거대한  힘들은  느리지만  끊임없이  변하고  있다.  메가트렌드로  알려진 

이들  힘은  미래라는  함수를  구성하는  핵심  변수와도  같다.  만약  이  변수의  속성과  이들  간

의  관계를  알  수만  있다면  미래는  예측  가능하다.  하지만  현실은  그렇지  않다.  지금처럼  불

확실성이  높은  시기에  미래  예측은  더욱  어렵다.  그러나  우리가  어느  정도  이들  변수의  값

을  결정할  수  있고,  그  관계를  파악할  수  있다면,  미래는  예측  가능하고  통제할  수  있다.

AI는  지금의  시대를  정의하고  있는  기술과  경제,  정치라는  거대한  힘을  모두  관통하는 

핵심  변수와도  같다.  정치,  경제,  기술  각  부분에서  치열하게  진행되고  있는  AI  혁명은  경제와 

국제정치  패권과  부딪치며  지각변동을  일으키고  있다.  최근  커지고  있는  미래의  불확실성은  기

술  변화의  속도가  만드는  가능성의  범위와  방향에  대한  두려움에  기인한다.  이번  보고서를  통


background image

2020년  AI  7대  트렌드

4  ●●●    기술정책연구본부

해  기술·경제·정치  영역의  메가트렌드가  복잡하게  얽혀  있는  변화의  요체를  정확히  볼  수만  있

다면,  기술이  만드는  불확실한  미래는  우리에게  또  다른  가능성으로  다가올  수  있다.

보고서에서  말하고자  하는  핵심  주제는  ‘인식을  넘어서(Beyond  Perception)’다.  이것은  ‘인

식’  기술에서  시작된  AI  혁신이  기술  영역을  넘어  국제정치‧경제  변화를  초래할  만큼  파괴

력이  커졌다는  의미이다.  그뿐만  아니라,  AI  기술  자체의  진화가  디지털  세계의  ‘인식’  영

역에서  물리적  세계로  이동했고,  지능의  범위가  외부  세계의  ‘인식’에서  비즈니스  영역의 

‘분석’과  ‘창작’  그리고  R&D  영역의  ‘혁신’으로  확대되었다는  점을  강조한다.

표  1

주목해야  할  2020년  AI  7대  트렌드

구분

주요  내용

정치

또  다른  선택,

중국  AI

- 데이터  관점에서  자신만의  AI  색채를  만들기  시작한  중국은 

강력한  AI  확산정책으로  단숨에  AI  2대  강대국에  진입

- 국가  주도의  AI  성공모델은  강대국  간  군비경쟁을  촉발

새로운  국민주의,

AI  내셔널리즘

-  중국이  자국  ‘AI  국가대표팀’에  대해  국가적  지원을  약속하자 

미국은  이들을  무역  거래제한  대상으로  지정해  견제

-  유럽은  구글세,  GDPR  규제  등을  통해  미국,  중국의  세계적  AI 

기업과  서비스들을  견제

경제

증강  분석과

다크  데이터

- AI  기반의  증강분석은  스스로  의사결정을  내리고  통찰력을 

제공함으로써  노동생산성을  획기적으로  향상시킬  전망

- AI  기술발전은  다크  데이터에  새로운  가치를  부여하기  시작

연구방식을  바꾸는

R&D  혁신지능

- 연구  투자  대비  생산성이  감소하는  R&D  혁신의  역설이  발생
- AI의  진정한  가치는  연구자로서  인간이  생각하는  방식  자체를 

변화시켜  지식의  생산성을  향상시키는  데  있음

넓어지고  깊어지는

창작지능

-  AI  적용  범위가  그림  그리기,  소설  쓰기,  영화  시나리오  쓰기 

등  다양한  창작  분야로  확장

-  음성인식,  자연어처리,  로봇제어,  자율주행  등이  고도화되고  각 

분야  지식이  통합될  때  고차원적  창작이  가능할  것으로  전망

기술

자율지능의  미래,

AI  호문쿨루스

-  인간의  지능이  신체의  형태  및  기능과  연관을  맺고  있듯이  AI 

역시  기계장치와  유기적  연관을  맺으며  발전

-  AI가  깃든  몸이  자동차,  드론,  로봇팔  등으로  확장됨에  따라 

새로운  능력을  새로운  방식으로  학습

AI  칩이  정의하는

컴퓨팅  폼팩터

-  AI에  특화된  연산장치로서  GPU,  ASIC,  FPGA,  뉴로모픽칩  등 

다양한  기술들이  경쟁  중

-  뉴로모픽칩  상용화  시점  예측은  어려우며,  중단기적으로 

프로그래밍  용이성,  연산속도라는  장점을  각각  가진  GPU,  ASIC 
(또는  ASSP)  등이  병존하는  시장이  형성될  것으로  전망


background image

www.etri.re.kr  ●●●  5

1   또  다른  선택,  중국  AI

지금까지  세계의  과학기술은  ‘미국의’,  ‘미국에  의한’  혁명이었다.  그만큼  미국이  대부분

의  과학기술  분야를  주도하며  미래의  방향을  결정해왔다.  AI  기술  역시  최강국은  미국이다. 

그러나  중국  AI를  주목해야  하는  이유는  단순히  중국이  미국과  대등한  수준의  기술과  산업 

역량을  보유했기  때문만은  아니다.  중국은  미국과  다른  방식으로  자신만의  AI  길을  만들기 

시작했다.  이제  우리는  하나의  방향으로  가시적  목표를  향해  추격하는  단순한  전략에서  벗

어나  두  나라가  만든  갈림길에서  선택을  강요받을  수도  있다.  그것은  기술과  경제영역에 

국한되지  않는다.  두  나라가  걸어가는  AI  발걸음을  주목하고  우리만의  AI를  고민해야  하는 
이유다.  매우  비슷해  보이는  두  나라의  AI  기업과  연구영역,  그  이면을  볼  수  있어야  한다.

“인공지능의 또 다른 미래를 그리는 중국, 이제 우리는 하나의 방향을 

향해  추격하는  단순한  전략에서  벗어나  두  나라가  만든  갈림길에서 

선택을 강요받을 수도 있다.”

그림  2

미국과  중국의  주요  항목별  AI  활동량  비교

※  출처:  Stanford  University(2019),  Artificial  Intelligence  Index  Report  2019.  참고하여  재작성

슈퍼  앱과  모바일  결제:  데이터  쓰레드의  완성

WeChat은  메신저  앱을  넘어  중국인들의  ‘생활  플랫폼’이  됐다.  금융,  결제,  쇼핑,  예약, 

공과금  결제  등  거의  모든  생활  서비스를  하나의  앱으로  해결하는  위챗은  대표적인  ‘슈퍼 

앱’이다.  이것은  중국  내  Alipay,  Meituan  등  ICT  기업으로  확산되었고,  이제는  다른  나라


background image

2020년  AI  7대  트렌드

6  ●●●    기술정책연구본부

로  복제되고  있다.  AI  관점에서  슈퍼  앱이  파괴적인  이유는  실생활의  행동  흐름을  데이터
로  연결하여  수평적  흐름  즉,  데이터  쓰레드(thread)를  만들기  때문이다.  AI가  스스로  소비
자의  욕구를  읽고  행동을  예측할  수  있게  된  것이다.4)  슈퍼  앱의  탄생은  중국  기업들이  만
든  실세계와의  끈끈한  현지화  전략에  기인한다.  철저한  ‘시장  중심적’  접근이다.

“슈퍼 앱이 파괴적인 이유는 실생활의 행동 흐름을 데이터로 연결하여 

수평적 흐름 즉, 데이터 쓰레드(thread)를 만들기 때문이다.”

나아가서  대부분의  슈퍼  앱은  소비자  지갑과  연동되어  있다.  ‘China  Internet  Report 

2019’에  따르면,  중국  인터넷  이용자는  8.3억  명(전체  인구대비  60%)으로  미국의  2.9억  명

(89%)을  훨씬  앞선다.  특히  모바일  결제  이용자  수는  5.8억  명(42%)로  0.6억  명(19%)인  미

국을  압도한다.  이것이  의미하는  바는  실세계에서  벌어지고  있는  소비자  구매  행동의  정밀

한  지도를  보유하게  되었다는  것이다.  중국  기업은  데이터  쓰레드를  완성함으로써  데이터

의  양적  측면뿐만  아니라  질적인  측면에서도  자신만의  AI  색채를  내기  시작했다.

“중국은 데이터의 양뿐만 아니라 질적인 측면에서도 데이터 쓰레드를 

활용하여 중국 특유의 AI 색채를 내기 시작했다.”

기술실리주의:  기술과  시장의  공진화  정책

중국  기업들의  ‘시장  중심적’  사고가  ‘데이터  쓰레드’를  완성했다면,  중국  정부의  ‘기술

실리주의적’  접근은  ‘기술과  시장의  공진화  정책’을  낳았다.  중국  정부의  기술실리주의는 

완벽한  기술이  완성되기  전이라도  제한된  환경에서  일정  수준  이상의  AI  제품과  서비스가 

산업  현장에서  많이  사용되는  쪽을  선호한다.5)  자율주행자동차,  스마트  시티  등이  대표적

이다.  산업  환경에  완전히  적응할  수  있는  기술이  완성된  후에  본격적으로  시장에  들어가

는  미국식  접근과  달리  중국은  AI  기술과  시장이  공진화하는  정책을  추진한다.  이것이  가

능하게  된  배경에는  개인정보  수집과  공개에  관대한  국민  정서와  강력한  정부  의지가  맞물

려  빚어낸  결과로  해석된다.  이러한  정책은  최근  중국  정부에서  선정한  AI  오픈  플랫폼  15

대  기업에서도  그대로  적용된다.  AI  기술은  데이터와  함께  성장한다.  인터넷  세상의  인식영

역에서  시작된  딥러닝  기술의  눈부신  발전은  이제  물리적  현실  세상에서  적용되기  시작했

다.  ‘기술과  시장의  공진화  정책’은  현실  세계와  상호작용하는  AI  기술  개발을  가속화하는 

원동력이  되고  있다.

4)  슈퍼  앱은  지극히  시장의  니즈로부터  만들어진다.  이것은  현지화  전략을  필요로  하기에  다른  나라로  확

산되는  과정에서  장점이자  단점이  될  수도  있다.

5)  리카이푸(2019),  AI  슈퍼파워,  이콘출판.


background image

www.etri.re.kr  ●●●  7

표  2

중국  AI  오픈  플랫폼  15대  기업

정부의  역할:  최상의  지휘자,  공급자,  소비자

세계적으로  많은  나라에서  AI  국가전략을  추진하고  있다.  이  가운데  중국만큼  단기간에 

성과를  낸  나라는  찾기  어렵다.  중국  정부의  강력한  지원뿐만  아니라  일관된  정책,  그리고 

명확한  AI  발전  목표와  방향을  제시함으로써  미국과의  격차를  좁히는  데  성공했다는  평가

를  받고  있다.  미국을  비롯한  민간  중심의  자율적  성장을  유도하는  다른  나라와  달리  중국

만의  독특한  특징은  세  가지로  요약될  수  있다.  첫째,  산업  분야별  국가  AI  대표기업을  통

해  오픈  플랫폼을  개발하여  확산의  속도를  내겠다는  전략이다.  정부가  국가  AI  기획을  지

휘하며  총체적  역량을  결집하고  있다.  둘째,  중국  정부는  AI  플랫폼  개발에  선정된  기업에 

과감하게  개인  데이터를  제공한다.  얼굴인식  플랫폼을  개발하는  센스타임(SenseTime)은 

범죄자  검거에  활용할  수  있는  시스템을  개발했다.  이  과정에서  20억  개의  얼굴  정보를  사

용하였으며  대부분은  중국  정부로부터  1억  7천  6백만  개의  감시  카메라  데이터를  통해  공

유받았다.6)  셋째,  중국  정부는  민간  기업이  개발한  AI  제품과  서비스의  최대  소비자로  AI 

확산을  주도하고  있다. 

“중국의 정부주도 AI 확산정책은 강대국 간 헤게모니 경쟁으로 이어져 

AI 내셔널리즘 부상의 결정적 계기가 될 수 있다.”

그러나  중국의  강력한  국가  주도의  AI  성공모델은  단순  기술경쟁을  넘어  기술·경제·데이

터  패권을  장악함으로써  4차  산업혁명의  주도권을  잡으려는  강대국  간의  군비경쟁을  촉발

할  우려를  낳고  있다.  기술이  경제는  물론  국제정치  등과  강하게  동조하는  지금,  AI  위상과 

미래  가능성을  고려할  때  중국의  정부주도  AI  확산정책은  강대국  간  헤게모니  경쟁으로  이

어져  AI  내셔널리즘  부상의  결정적  계기가  될  수  있기  때문이다.

6)  센스타임  회장(湯曉鷗,  Xiaoou  TANG)(2019.2.14.),  From  AI  to  AI+  :  the  Future  is  Now,  국회 

강연자료.

                  분야      기업

                  분야        기업

                  분야      기업

자율주행

바이두

비주얼컴퓨터

이투커지

스마트공급망

징둥

스마트시티

알리바바

마케팅

마이닝램프

이미지감시

메그비

의료/헬스

텐센트

기초  SW/HW

화웨이

보안브레인

치후

음성인식

아이플라이텍

금융

평안보험

스마트교육

티에이엘

얼굴인식

센서타임

영상감시

하이크비전

스마트홈

샤오미

※  출처:  언론기사  참고하여  재작성


background image

2020년  AI  7대  트렌드

8  ●●●    기술정책연구본부

2   새로운  국민주의,  AI  내셔널리즘

정치  이데올로기로서의  내셔널리즘은  ‘한  국가에  소속되어있다는  국민  정체성을  공유하

는’  국민이  외부  간섭없이  스스로를  통치해야  한다는  주장이다.  한  나라의  주권은  해당  나

라의  내부에서  만들어져야  한다는  논리다.  이  오래  묵은  논리가  AI라는  신기술  영역에서 

서서히  나타나고  있다.  자국의  AI  기술과  기업은  보호‧육성하되  경쟁국의  AI  역량  성장은 

견제하는  것이다.  또한,  자국의  데이터를  이용해  다른  나라의  AI‧ICT  서비스  기업이  수익을 

만들고  영향력을  확대하는  것을  각종  규제를  통해  간섭하기  시작한  것이다.

어쩌면  AI  영역에서  자국의  데이터,  기술,  서비스를  보호하고  타국의  간섭과  영향력을 

줄이려는  내셔널리즘  성향이  나타나는  것은  당연한  수순이다.  AI  기술  특성이  편  가르기, 

견제,  경쟁을  전제하기  때문이다.  연결과  공유에서  가치를  만들었던  인터넷과는  달리  AI는 

인식과  판단에서  가치를  만들어낸다.  인터넷이라는  네트워크에  이미  들어와  있던  이는  새

로운  접속자를  반긴다.  네트워크  규모가  커질수록  자신의  효용도  커지기  때문이다.  그래서 

네트워크는  확장을  지향한다.  인터넷의  확장  지향  덕분에  우리는  유사한  AI도  연결과  공유

를  강화할  것이라  여기기도  한다.  하지만  인식과  판단이  만드는  가치는  경쟁이  전제될  때 

빛이  난다.  후각이  마비된  생쥐와  정상적인  생쥐가  미로  속의  치즈를  찾는다고  가정해  보

자.  미로  속에  생쥐  한  마리만  있다면  별  문제가  없다.  후각  유무와  상관없이  언젠가  치즈

를  찾아  먹을  테니  말이다.  하지만  생쥐  두  마리가  같은  미로에  있다면  어떨까?  후각을  갖

춘  생쥐만  치즈를  먹을  확률이  높을  것이다.  AI는  편  가르기,  견제,  경쟁  속에서  자라난다.

“AI 영역에서 자국의 데이터, 기술, 서비스를 보호하고 타국의 간섭과 

영향력을  줄이려는  내셔널리즘  성향이  나타나는  것은  당연한  수순

이다. AI 기술 특성이 편 가르기, 견제, 경쟁을 전제하기 때문이다.”

미국과  중국,  무역으로  드러난  AI  갈등

AI  기술을  선도해가고  있는  미국과  중국은  자국  AI  기술‧기업  보호에  여념이  없다.  중국

은  앞서  언급한  바와  같이,  이른바  ‘AI  국가대표팀’이라  불리는  AI  오픈  플랫폼  15대  기업

을  지정해  민관  협동으로  기술  혁신과  기술  사업화를  추진하고  있다.  미국은  중국의  AI  국

가대표팀에  대해  ‘거래제한’이라는  답을  보내고  있다.  2019년  10월  미국은  센스타임,  메그

비,  아이플라이텍  등  중국의  대표적  AI  기업들을  거래제한  기업  리스트인  ‘Entity  List’에 

올렸다.  화웨이,  하이크비전  등이  이미  포함되어  있던  리스트에  새로운  중국  AI  기업들이 

추가된  것이다.  표면적  명분은  중국이  AI와  안면인식  기술로  소수민족을  감시하고  탄압한


background image

www.etri.re.kr  ●●●  9

다는  것이었다.  하지만  업계는  중국  AI  기업에  대한  미국의  견제로  해석하고  있다. 

AI  부문에서  일어나고  있는  미국과  중국의  충돌은  양국  정부의  정책과  전략에서  이미 

드러났다.  트럼프  행정부는  2019년  2월  ‘인공지능  분야에서  미국의  리더십  유지(Executive 

Order  on  Maintaining  American  Leadership  in  Artificial  Intelligence)’라는  행정명령

을  통해  미국  AI  기술  우위를  보호하고  중요한  AI  기술을  경쟁국  및  적대국으로부터  보호

하는  환경을  조성해야  함을  언급했다.  기술  혁신  촉진을  위한  통상적  방침과는  달리  자국 

AI  기술이  국제  경쟁과  견제로부터  ‘보호’받아야  함을  보였다는  점이  특징적이다.  중국  역

시  정부  정책  차원에서  AI  기술과  기업에  대한  적극적인  지원을  약속하고  있었다.  2017년 

7월  발표한  중국의  ‘차세대  AI  발전  계획’에서는  2020년까지는  AI  전체  기술·응용  수준을 

선진국  수준으로  만들고,  2025년까지  일부  AI  기술·응용분야에서  세계를  선도하며,  2030년

에는  미국을  넘어  세계  AI  혁신의  중심  국가가  될  것을  언급한  바  있다.7)

“AI 기술을 선도해가고 있는 미국과 중국은 자국 AI 기술‧기업 보호에 

여념이 없다.”

유럽,  세금과  프라이버시라는  AI  경계선  치기

AI  부문의  국가  간  경쟁과  견제라는  측면에서  유럽은  일견  미온적이다.  하지만  유럽도 

자국을  지키기  위한  노력을  포기하지는  않고  있다.  먼저  ‘구글세’라고  불리는  세금이다.  프

랑스  상원은  2019년  7월  11일  세계적  IT  대기업들이  프랑스에서  벌어들인  연간  총매출의 

3%를  디지털세로  부과하는  법안을  의결했다.  구글,  페이스북  등이  프랑스에서  큰  돈을  벌

고  있지만  본사가  있는  국가에만  세금을  내는  행태를  타파하겠다는  것이다.  구글세  법안은 

지난  수  년간  유럽에서  입법  논의가  이루어져  왔는데  프랑스가  먼저  통과시킨  것이다.8)  프

랑스의  과감한  결정에  유럽  각국에서도  구글세  도입  논의가  촉진될  것으로  보인다. 

두  번째는  GDPR(General  Data  Protection  Regulation)이라는  프라이버시  보호  및  데

이터  보호  규제다.  2018년  5월  25일부터  적용된  이  규제는  ICT,  AI  기업들이  다루는  사용

자  정보  보호에  있어서  사용자  동의,  기업  책임성  등을  강조하고  있다.  구글,  페이스북  등 

글로벌  ICT,  AI  기업들에  대한  유럽의  통제력을  강화한  것이라  할  수  있다.  실제로  2019년 

1월  구글은  프랑스에서  GDPR  규제에  의거해  5700만  달러  벌금을  부과받기도  했다.9)

유럽은  AI,  ICT  기술과  산업에  있어서  소비자의  입장이다.  거대한  AI‧ICT  기업들을  보

7)  한국정보화진흥원  (2017.9.29.),  중국의  인공지능  전략:  ‘차세대  인공지능  발전계획’을  중심으로.
8)  이수진  외(2019.5.),  프랑스  정부,  디지털  기업  세금  부과에  앞장서다,  국토연구원,  Planning  and  Policy.
9)  과학기술정책연구원(2018.12.21.),  유럽  개인정보보호법(GDPR)과  국내  데이터  제도  개선방안,  STEPI 

Insight,  Vol.  227.


background image

2020년  AI  7대  트렌드

10  ●●●  기술정책연구본부

유한  미국,  중국과는  다른  처지인  것이다.  유럽은  세금과  프라이버시라는  명분을  앞세워  타 

국의  AI  기술  기업으로부터  유럽  경제권역을  지키는  방법을  모색하고  있다.

“유럽은 세금과 프라이버시라는 명분을 앞세워 타국의 AI 기술 기업

으로부터 유럽 경제권역을 지키는 방법을 모색하고 있다.”

혁신적  신무기  AI를  바라보는  군사강국들의  시선

AI는  팔고  사는  재화에만  머물지  않는다.  혁신적  신기술은  언제나  신무기로  활용될  가능

성이  있다.  AI를  살상무기로  사용하는  ‘치명적인  자율  무기  시스템(LAWS:  Lethal 

Autonomous  Weapons  Systems)’을  금지하려는  다국적  노력이  2019년  8월  제네바에서 

열린  UN  고위급  회담에서  무산됐다.  AI  무기의  완전한  금지를  바라지  않는  전통적  군사강

국들이  있기  때문이다.  이들은  AI  무기는  아직  초기  단계  기술이며  선제적  금지는  불필요

하다는  입장이다.

  AI  기술과  전통적  군사력에서  앞서가고  있는  미국,  중국,  러시아  등의  군사강국들은  각

자의  AI  국방력  확보  전략을  펼쳐나가고  있다.  우선  미국은  제3차  상쇄전략(The  Third 

Offset  Strategy)을  통해  AI와  인간,  무인무기와  인간이  협업하는  무기  시스템을  개발하고 

있다.10)  제3차  상쇄전략의  핵심은  인간의  보조자로서  AI와  무인무기를  활용하는  것이다. 

이러한  전략은  감시정찰,  정보분석,  무인무기조작  등  전체적인  국방  관련  시스템의  변화를 

가져올  것으로  보인다.

한편  중국은  AI를  보다  적극적으로  국방에  활용하려는  것으로  보인다.  중국은  군사전략

적  의사결정에  직접적으로  기여하는  AI  개발을  목표로  하고  있는  것으로  알려져  있다.  물

론  현재  기술  수준에서  달성하기  어려운  목표이지만  적어도  AI의  역할을  인간의  보조자에 

머물게  하는  미국의  전략과는  지향점이  다르다고  할  수  있다.11)

러시아의  경우에는  미사일  등  전통적  무기와  AI의  결합에  의한  군사력  강화를  추구하는 

것으로  보인다.  AI를  전략적  의사결정에  활용하는  것이  아니라  전통적  무기의  성능  개선에 

활용하는  현실적  방안을  찾고  있다.  예를  들어  러시아의  가장  유명한  무기  제조업체인 

Kalashnikov는  AI가  표적을  선택하고  발사하는  고정식  기관총을  개발  중인  것으로  알려져 

있다.12)  이러한  기술은  새로운  수준의  AI  혁신  없이도  전투력을  향상시킬  수  있다는  점에

서  미국,  중국에  비해  현실적인  전략으로  보인다.

10)  김종렬(2016),  미국의  제3차  국방과학기술  상쇄전략에  대한  분석,  융합보안논문지.
11)  Adrian  Pecotic(2019.5.5.),  Whoever  Predicts  the  Future  Will  Win  the  AI  Arms  Race, 

Foreignpolicy.com

12)  Zdnet.com(2017.9.4.),  킬러로봇  현실화되나…러,  '총쏘는  AI'  개발.


background image

www.etri.re.kr  ●●●  11

우리는  과거  핵무기  개발의  역사를  알고  있다.  과학지식의  혁신이  강력한  무기로  이어지

면서  세기의  정치‧군사‧경제의  판도를  바꾸었다.  현재로서는  AI  기술  혁신이  어디까지  다다

를  것인지,  AI의  군사적  활용이  어떤  결과를  나을  것인지  예측하기는  쉽지  않다.  하지만  군

사강국들의  AI  관련  군사기술개발  전략이야말로  국가  간  AI  경쟁이  가장  치열한  부문이라

는  점은  분명하다.

“신기술은  신무기로  활용될  가능성이  있다.  AI가  치명적인  무기로써 

사용되는 것을 금지하려는 다국적 협의 노력은 무산됐다.”

새로운  국민주의

디지털  노마드(Nomad)라는  유행어가  있었다.  연결이  낳은  가치는  개방과  편재였다.  디

지털  노마드들에게  ‘국민’이라는  개념은  낡은  것,  비효율적인  것이었다.  하지만  AI  시대의 

가치는  개방이  아니라  ‘집중’에서  나온다.  더  많은  데이터를  가진  자,  흩뿌려진  무의미한 

데이터  편린들에서  의미를  찾을  수  있을  만큼  진보한  AI  기술을  가진  자가  승리한다.  AI 

기술은  떠도는  노마드들을  위한  것이  아니다.  노마드들은  중앙을  차지한  자에게는  ‘소비자’

일  뿐이다. 

미국과  중국이라는  두  개  구심점이  AI  영역  내에  형성되어  있다.  우리가  구글과  안드로

이드  플랫폼에서  일상을  살고  의사소통하며  생산‧소비  활동을  한다면  우리는  미국이라는 

축을  중심으로  움직이는  것이다.  위챗,  웨이보로  교분을  나누며  알리페이로  일상  재화를  사

들인다면  우리는  중국이라는  축에  매인  것이다.  인터넷의  공유,  연결  지향에  취한  우리는 

타국의  기술‧서비스를  사용하는데  거리낌이  없는  듯하다.  하지만  AI  선도국들은  알고  있다. 

AI의  기반이  되는  데이터,  혁신적  AI  신기술,  AI  서비스로  벌어들인  돈이  자신들의  국경 

바깥에서  안으로  흘러  들어오게끔  해야  한다는  것을  말이다.  그리고  그  국경은  똑똑하고 

강력한  무기로  지켜야  한다는  것까지  말이다.  이렇게  AI  시대의  새로운  국민주의가  서서히 

나타나고  있다. 

“AI 선도국들은 알고 있다. AI의 기반이 되는 데이터, 혁신적 AI 신기술, 

AI  서비스로  벌어들인  돈이  자신들의  국경  바깥에서  안으로  흘러 

들어오게끔 해야 하며, 그 국경은 똑똑하고 강력한 무기로 지켜야 한다는 

것을 말이다.”


background image

2020년  AI  7대  트렌드

12  ●●●  기술정책연구본부

3   증강  분석과  다크  데이터

AI는  ‘데이터  분석’  분야에  새로운  가능성을  부여하기  시작했다.  첫째,  AI는  데이터  분석 

과정에  관여하여,  데이터를  빠르게  분석할  뿐만  아니라  의사  결정에  영향을  미치고  인간에

게  통찰력을  제공한다.  둘째,  AI는  지금까지  컴퓨터가  분석할  수  있었던  데이터의  종류와 

범위의  한계를  없애고  있다.  빅데이터와  차원이  다른  ‘다크  데이터(dark  data)’가  AI  기술

로  인해  새로운  정보  자산으로  활용되기  때문이다.  AI는  분석의  방법을  한  차원  끌어올림

으로써  분석  대상이  되는  데이터의  범위를  대폭  확장했다.  결과적으로  AI는  우리에게  지금

까지  볼  수  없었던  전혀  다른  분석  결과를  제공하고,  세상의  모든  데이터로부터  의미  있는 
결과를  발견할  수  있는  잠재력을  보여주고  있다.  AI가  데이터  분석의  양(범위)과  질(결과)을 

바꾸고  있다는  의미다.

AI가  만든  분석의  새로운  물결:  증강  분석

증강  분석(Augmented  Analytics)은  AI  기법13)을  사용하여  자동으로  데이터를  준비하

여,  데이터로부터  통찰력을  발견하고,  해석하는  일련의  과정을  포함한다.14)   

표  3

분석  방법의  진화

Gartner는  증강  분석이  최근까지  기업  데이터  분석을  주도한  시각화  플랫폼의  다음  단

계가  될  것으로  전망하고  있다.  증강  분석이  디지털  비즈니스에서  핵심  영역으로  자리  잡

은  데이터  분석  방법의  변곡점이  될  것이라는  의미다.  비즈니스  영역에서  기하급수적으로 

증가하는  데이터의  복잡성으로  인해,  의미  있는  결과를  도출하는  데  기존  분석  방법으로는 

13)  특히  대화형  인터페이스,  NLP(Natural  Language  Processing),  NLQ(Natural  Language  Query), 

NLG(Natural  Language  Generated)  분석  기법이  사용됨

14)  Gartner(2018.10.31.),  Augmented  analytics  is  the  future  of  data  and  analytics.

Semantic  Layer-
Based  Platforms

Visual-Based  Data

Discovery  Platforms

Augmented  Analytics

- IT  주도  설명
- 사전에  정의된 

사용자  상호  작용

- IT  모델  데이터, 

전통적인  데이터 
통합

- 데이터  요약  제공
- 사전에  정의된 

데이터와  질문  대상

- Biz.  주도  설명과  진단
- 자유로운  형식의 

사용자  상호  작용

- 최적의  시각화
- 구조화  데이터,  개인 

데이터,  모델링되지 
않은  데이터  사용

- 사전에  정의된 

데이터와  질문  대상

-  AI  주도  자동  설명,  진단,  예측,  처방
- 인간의  이해와  행동을  극대화하는데 

중요한  통찰력  제공

- 대화  분석:  NLP,  NLQ,  LNG
- 연관패턴  자동시각화  제공
- 다양한  앱에  내장되어  사용자  대화 

문맥  이해  및  의견  제안

- 새로운  연관  데이터  소스  자동  검색
- 공개  데이터  및  질문  대상

※  출처:  Gartner(2018)  참고하여  재작성


background image

www.etri.re.kr  ●●●  13

분명한  한계를  보이기  때문이다.  증강  분석은  분석  시간을  획기적으로  단축할  뿐만  아니라, 
알고리즘  스스로  의사  결정을  내리고  우리에게  통찰력을  제공함으로써  노동생산성을  높인
다.  이로써  데이터  과학자뿐만  아니라  일반인에게  데이터  분석  능력을  부여함으로써  ‘분석
의  민주화’를  실현하게  된다15).

“기하급수적으로  증가하는  데이터  복잡성은  기존  분석  방법의  많은 

한계를 드러냈다. 증강 분석은 스스로 의사 결정을 내리고 우리에게 

통찰력을 제공함으로써 노동생산성을 높인다.”

한편,  증강  분석은  조직의  의사  결정뿐만  아니라  사용자  상황을  이해하고  개인  결정과 

행동에도  영향을  미친다.  Gartner에  따르면,  2020년까지  분석  가능한  질문의  50%가  검색, 

자연어처리,  음성인식을  통해  이루어지거나  자동  생성될  것이라고  한다.  예를  들어,  AI  스

피커와  같은  대화형  앱에  내장되어  개인별  대화  맥락을  이해하고  의견을  제안하는  것도  가

능해진다. 

정보  우주의  암흑물질:  다크  데이터

Gartner는  ‘다크  데이터란  조직이  정기적인  비즈니스  활동  중에  수집,  처리  및  저장하

지만  일반적으로  다른  목적(예:  분석,  비즈니스  관계  및  직접  수익  창출)으로  사용할  수  없

는  정보  자산’으로  정의했다.16)  다크  데이터가  전체  데이터에서  차지하는  비중은  발표  기

관에  따라  차이가  있지만,  지금까지  사업  목적으로  사용된  데이터와는  비교할  수  없는  압

도적인  규모라는  사실은  분명하다.  왜  다크  데이터를  사용되지  못했을까?  가장  큰  이유는 

분석  기술이  부족했기  때문이다.  그러나  AI  기술  발전은  다크  데이터에  새로운  가치를  부

여하기  시작했다.  2017년  5월,  Apple이  다크  데이터  분석  기업  ‘Lattice  Data’를  2억  달러

에  인수한  것도  이런  이유에서다. 

최근  세계  시장기관을  중심으로  다크  데이터의  가치와  가능성에  대한  연구  결과가  발표되

고  있다.  Accenture17)는  기업이  개인  의료  지출  거래내역,  소셜  미디어  및  위치  데이터  등

의  다크  데이터에  접근할  수  있다고  가정했을  때,  초개인화(hyper-personalized)  건강관리 

서비스로  인한  경제적  이득을  추정하였다.  분석  결과에  따르면,  미국  기업의  경우  다크  데이

터  활용으로  직원들의  질병으로  인해  발생하는  생산성  손실을  줄임으로써,  2018년부터  2030

년까지  누적  경제적  이득이  약  2천억  달러(미국  의료비의  약  6%)에  이를  것으로  전망했다. 

15)  Gartner(2019.10.21.)에서  발표한  2020년  10대  전략기술(Top  10  Strategic  Technology  Trends  for 

2020)  가운데  하나인  ‘전문성의  민주화(Democratization  of  Expertise)’에서  제시한  4대  분야의  민주화 
(데이터  및  분석의  민주화,  개발의  민주화,  설계의  민주화,  지식의  민주화)의  ‘데이터  및  분석의  민주화’에  해당

16)  https://www.gartner.com/en/information-technology/glossary/dark-data
17)  Accenture(2018.9.7.),  Value  of  data:  Embracing  dark  data.


background image

2020년  AI  7대  트렌드

14  ●●●  기술정책연구본부

또한,  소셜  미디어  정서,  위성  사진,  공급망  물류  등  지금까지  쉽게  접근할  수  없었던 

다크  데이터가  머신러닝  등  최신  분석  기술과  결합하면  미래  투자  방식이  완전히  달라질 
수  있다.18)  사용하는  데이터  유형에  따라  투자의  방향이  결정되기  때문이다.  남들보다  먼
저  이들  데이터에  접근하여  분석할  수  있는  능력은  미래  투자자들에게  가장  큰  경쟁력이 

될  것이다.  요컨대,  다크  데이터와  AI  분석  능력은  ‘투자의  지능화’를  이루게  된다.

“정보 우주의 암흑물질, 다크 데이터는 기업들의 정보 자산에서 매우 

중요한 위치를 차지할 것이다.”

무수히  많은  센서와  네트워크로  연결된  초연결사회에서  비문자  정보를  포함한  다크  데

이터는  생산에서  소비에  이르는  모든  경제  활동에서  포착되고  활용될  수  있다.  초연결사회

에서  경제의  디지털화가  심화  될수록  정보  우주의  암흑물질인  다크  데이터는  AI  기술의  발

전과  함께  그  가치가  수면  위로  조금씩  드러날  것이다.

분석,  데이터  그리고  AI

AI는  ‘인식’을  넘어  ‘분석’에  있어서도  새로운  가치를  만들기  시작했다.19)  분석할  수  있

는  데이터의  범위도  정형·비정형,  문자·비문자에  국한되지  않는다.  분석을  위한  데이터의 

종류와  범위의  한계를  없애는  것이다.  궁극적으로  AI는  디지털  경제를  움직이는  가장  중요

한  주체로써  인간의  의사  결정을  돕고  통찰력과  새로운  가치를  제공할  것이다. 

“지금까지 AI 기술의 발전 속도를 고려한다면, 어쩌면 미래의 분석과 

데이터 효능은 기술이 아니라 정책이 결정할 가능성이 크다.”

그러나  기술의  산업적  가능성과  별개로  정보의  수집,  저장,  접근  등  ‘데이터  가치사

슬20)’의  형성과  활용을  가로막는  장벽을  어떻게  극복할  것인가에  대한  논의가  중요하다. 

AI  확산속도는  사회적  수용성에  의해  결정되기  때문이다.  지금까지  AI  기술의  발전  속도를 

고려한다면,  어쩌면  미래의  분석과  데이터  효능은  기술이  아니라  정책이  결정할  가능성이 

크다.  그리고  정책에는  국내  산업뿐만  아니라  국가안보  차원에서  ‘데이터  가치사슬’  관점의 

데이터  자원  보호를  포함해야  한다.  자국  내  기술  규제가  국익을  위한  경제적  규제의  논거가 

되는  현실에서  분석과  AI  기술은  데이터  패권과  분리될  수  없기  때문이다.

18)  Tom  Coughlin(2017.6.24.),  Analysis  of  dark  data  provides  market  advantages,  Fobes.
19)  지금까지  비즈니스  분석  영역은  AI  영역으로  간주되지  않았으나,  AI가  이런  영역마저  바꾸고  있음
20)  본  보고서에서  사용한  데이터  쓰레드(thread)가  개인에  초점을  맞춘  개념이라면,  데이터  가치사슬은 

산업  또는  기업  전반의  활동  과정을  설명하기  위해  사용한  개념임


background image

www.etri.re.kr  ●●●  15

4   연구의  방식을  바꾸는  R&D  혁신지능

최근  미국을  중심으로  반세계화의  움직임이  계속되는  가운데  글로벌  저성장에  대한  우

려의  목소리가  커지고  있다.  특히,  미국,  유럽  등  선진국들은  향후  10년간  잠재성장률은 

1.4%  수준으로  하락할  것으로  전망된다.21)  이것은  투자  저하로  인한  자본축적  감소,  고령

화로  인한  노동생산성  감소,  총요소생산성(TFP)  약화  등이  주요  원인으로  해석될  수  있다. 

문제는  생산성을  높이기  위한  방식이  지금까지  해  왔던  ‘요소투입형’  양적  투자방식으로는 

한계가  있다는  것이다.  그렇다면  생산성을  높일  수  있는  또  다른  방법은  무엇일까?  이와 

관련하여,  최근  생산성을  높일  수  있는  유망  영역에  집중하자는  것과  생산성을  높이는  방
식  자체를  바꿔야  한다는  주장에  주목할  필요가  있다.

“세계  경제성장과  생산성이  장기간  감소하고  있는  근본적인  이유는 

혁신이 고갈되고 있기 때문이다.”

생산성과  R&D

최근  경제학자이자  ITIF  창립자인  Atkinson22)은  지금의  미국  정부  R&D  투자는  생산성

을  향상시키는  기술  발전에  초점을  두지  않았다고  주장한다.  생산성  향상을  이끌  유망한 

분야의  R&D에  집중적으로  투자하도록  정부  투자전략이  수정되어야  한다는  것이다.  즉, 

R&D  투자를  결정할  때  가장  상위  목표는  생산성  향상이며,  이것이  정부의  새로운  미션이 

되어야  한다고  말한다.  생산성  향상을  위해  그가  지목한  대표적인  R&D  분야로  AI,  로봇, 

자율주행교통시스템,  재료과학,  생명과학  등이다.  정부는  이  분야에  집중적으로  투자함으로

써  노동생산성을  획기적으로  개선할  수  있다는  것이다.23)  대부분이  AI와  직·간접으로  관련

이  된  분야들로,  Atkinson의  주장대로  이  분야에  대한  집중  투자는  어느  정도  노동생산성

을  높일  수  있을  것이다.  그러나  유망기술  자체에  대한  R&D  투자만으로는  R&D  혁신이  고

갈되어  가는  근본적인  문제를  해결하기  어려울  듯하다.  지금까지  인간을  중심으로  사고해 

왔던  혁신의  방식  자체를  바꿔야  한다는  주장에  주목할  필요가  있다.24)

“약물발견, 반도체 발전, 의료 혁신, 농작물 수확량 개선 등 많은 과학

기술 분야에서 혁신의 역설이 발생하고 있다.”

21)  세계은행(2018.1.),  2018년  세계경제전망(Global  Economic  Prospects).
22)  Robert  D.  Atkinson(2019.9.),  Why  Federal  R&D  Policy  Needs  to  Prioritize  Productivity  to 

Drive  Growth  and  Reduce  the  Debt-to-GDP  Ratio,  ITIF.

23)  노동생산성이  매년  1.4%씩  증가할  경우,  미국  GDP  규모는  2049년  30조  8천억  달러에  달할  것이며, 

3.4%  성장할  경우,  2049년에는  56조  5천억  달러이  이를  것으로  전망함

24)  MIT  Technology  Review(2019.2.15.),  AI  is  reinventing  the  way  we  invent.


background image

2020년  AI  7대  트렌드

16  ●●●  기술정책연구본부

총요소생산성  감소:  R&D  혁신의  역설

1970년  이후  경제성장이  현저하게  감소하고  있다고  주장하는  경제학자  Gordon은  지난 

100년에  비해  기술혁신  역량  부족으로  인한  총요소생산성  저조를  그  원인으로  지목하고  있

다.25)  혁신과  기술진보의  속도를  가장  잘  보여주는  총요소생산성은  노동과  자본  투입량에 

비해  생산량이  얼마나  빨리  늘어나는지를  측정하는  척도다.  1970년  이후로  총요소생산성은 

1920년부터  1970년까지  이룩한  결과의  3분의  1  정도밖에  성장하지  못했다는  것이다.  이보

다  중요한  사실은  기술혁신을  위한  R&D  투자는  증가하고  있음에도  불구하고  총요소생산성

이  감소하고  있다는  점이다.  미국의  경우  1930년  이후  연구자  수는  가파르게  증가하고  있

지만,  총요소생산성은  오히려  감소하는  ‘혁신의  역설(Innovation  Paradox)’이  발생하고  있

다.26)  이것은  세계적인  현상이며  특히  기초과학  분야에서  두드러진다.  약물발견,  반도체  발
전,  의료  혁신,  농작물  수확량  개선 등이  대표적이다.  연구에  대한  투자는  급격하게  증가하

고  있지만,  이로부터  발생하는  보상은  일정하게  유지되고  있다.27)

“데이터  복잡성에  가장  강한  강점을  보이는  AI는  연구자로서  인간이 

생각하는 방식을 변화시켜, 지식의 생산성을 획기적으로 높일 수 있다.”

AI의  진정한  가치:  지식  생산성  향상

‘혁신의  역설’을  극복하기  위해서는  생산성  유망  분야에  투자하는  것만으로는  부족하다. 

AI  기반  R&D  혁신을  통해  총요소생산성을  향상시킴으로써  경제성장의  돌파구를  마련할  수 

있다는  주장에  주목할  필요가  있다.  2015년  Hinton  등이  발표한  논문28)에서는  ‘고차원적 

데이터에서  복잡한  구조를  발견할  수  있는  딥러닝의  능력을  화학과  재료  연구에  사용할  수 

있다’는  점을  강조했다.  ‘데이터  복잡성’을  다루는  데  있어  탁월한  능력을  보이는  AI가  연

구자로서  인간이  생각하는  방식을  변화시켜,  ‘지식의  생산성’을  획기적으로  높일  수  있기 

때문이다.  과학기술  분야의  데이터  복잡성이  기하급수적으로  높아지면서,  AI가  R&D  혁신

에  새로운  돌파구를  마련할  수  있을  것으로  기대되는  이유다.  이런  관점에서  Cockburn을 

비롯한  경제학자들은  AI가  발명의  새로운  방식을  제시하고,  연구개발  조직의  본래  성격을 

재편함으로써  연구개발의  비용을  크게  낮출  수  있다고  주장한다.29)  지금까지의  R&D  혁신

25)  Robert  A.  Gordon은  2013년  Brynjolfsson과의  토론에서  당면  문제는  혁신적  기술에  의한  고용 

감소가  아니라  불충분한  기술혁신으로  인한  경제성장의  정체임을  역설

        (http://blog.ted.com/the-future-of-work-and-innovation-robert-gordon-and-erik-brynjolfsson-debate-at-ted2013/)
26)  Nicholas  Bloom  et  al.(2017.9.20.),  Ideas  aren’t  running  out,  but  they  are  getting  more 

expensive  to  find.  (published  on  VOX,  CEPR  Policy  Portal,  https://voxeu.org)

27)  오늘날  반도체  칩  밀도를  두  배로  높이려면  1970년대  초와  비교했을  때  18배가  넘는  연구자가  더 

필요하고,  농작물  수확과  관련한  연구에서  생산성은  매년  약  5%씩  감소하고  있다.

28)  Yann  LeCun,  Yoshua  Bengio  &  Geoffrey  Hinton(2015.5.28.),  Deep  learning,  Nature,  Vol.521.
29)  Cockburn  et  al.(2019),  The  Impact  of  Artificial  Intelligence  on  Innovation:  An  Exploratory 


background image

www.etri.re.kr  ●●●  17

은  개인의  창의성,  집단지성,  방법론  등  사람  중심으로  진행되어왔으나,  앞으로는  AI가  연
구자로서  인간이  생각하는  방식을  변화시킬  수  있다는  것이다.  AI가  과학  연구의  방식을 
바꿀  수  있다면,  자율주행자동차나  의료에  사용했던  AI를  뛰어넘는  결과를  낳을  것이다.  AI
의  진정한  가치는  여기에  있다.

AI가  이끄는  과학

최근  국내  연구진은  AI를  이용하여  원전사고  예측에  300시간을  1초로  단축했다는  결과

를  발표했다.30)  사고대응,  국방,  지구과학31),  천문학32),  우주탐사  등의  기초과학  분야에서
도  비슷한  연구를  진행하고  있다.  무엇보다  의학,  신약,  화학,  신소재  등  화학  분야의  혁신

적  시도에  주목할  필요가  있다.  특히,  구글의  딥마인드에서  신약개발을  위해  개발한 

AlphaFold33)가  단백질구조  분야  월드컵으로  알려진  CASP(Critical  Assessment  of 

Structure  Prediction)  대회에서  우승한  이후,  전  세계적으로  이  분야의  경쟁이  치열하게 

전개되고  있다34).  AI가  기초과학  연구의  게임체인저가  될  수  있을  것인지에  대해서는  여전

히  회의적인  시각이  존재하지만,  지난  몇  년  동안  딥러닝이  보여준  비인간적  상상력이라면 

‘신물질  발견의  민주화’를  실현할  가능성  또한  충분하다.  어쩌면  비즈니스  영역에서  분석의 

혁신을  넘어  과학  영역에서  발견과  발명을  혁신하기  위해서는,  AI라는  새로운  도구가  유일

한  희망일  수  있다.  미래를  바꿀  기초과학  연구에서  새로운  과학적  발견으로  전환될  데이

터의  규모는  이미  인간이  처리할  수  있는  수준을  넘어섰기  때문이다.

표  4

신약  및  신소재  개발의  혁신을  이끌  AI  시도들

Analysis,  Chap.  4  in  The  Economics  of  Artificial  Intelligence,  University  of  Chicago  Press.

30)  https://hellodd.com/?md=news&mt=view&pid=69488
31)  Markus  Reichsein  et  al.(2019.2.14.),  Deep  learning  and  process  understanding  for 

data-driven  Earth  system  science,  Nature,  Vol.566.

32)  Brant  Robertson(2019),  AI  in  Astrophysics:  Applying  Artificial  Intelligence  and  Deep 

Learning  to  Astronomical  Research,  GTC  2019.

33)  Deepmind(2018.10.2.),  AlphaFold:  Using  AI  for  scientific  discovery.
34)  Deloitte  Insights(2019),  Intelligent  drug  discovery.

신약개발(Atomwise)

신약개발(Deep  Genomics)

신소재개발(Kibotix)

-  표적  단백질에  결합하는 

작은  미세  약물  분자를 
찾기  위해  빅데이터와 
신경망  활용

-  이것은  바람직한  효능을 

가진  분자를  식별하는 
것으로  약물  발견의 
중요한  첫  단계이기에 
매우  혁신적  작업임 

-  유전자  질환을  치료할 

올리고핵산염  분자를 
찾는  AI를  개발

-  올리고핵산염은  신경 

퇴행성  및  대사성 
장애를  포함하여 
다양한  질병  치료에 
사용될  수  있음

-  새로운  재료와  화학물질을  찾고 

개발하는  속도를  높이기  위해 
로봇공학과  AI  협력을  연구

-  새로운  재료를  개발하는  데는 

10년  이상  시간이  소요되며  이 
기간을  단축할  수  있으면,  이러한 
방법은  기후  변화와  같은  전 
지구적  난제를  해결하는  데  크게 
도움을  줄  것으로  전망

※  출처:  MIT  Technology  Review(2019)


background image

2020년  AI  7대  트렌드

18  ●●●  기술정책연구본부

5   넓어지고  깊어지는  창작지능

인간이  인간임을  자랑스러워하는  이유  중  하나는  세상에  없던,  무언가  멋진  것을  만들어

내는  능력이다.  그런데  이  영역에  AI가  발을  들이밀고  있다.  이미지를  인식하는  딥러닝  알

고리즘,  언어를  번역하는  알고리즘을  넘어  새로운  무엇인가를  ‘창작’하는  AI를  개발한다는 

소식들이  눈에  띄고  있다.  딥드림,  GAN(Generative  Adversarial  Networks)  등  AI  방법론

들은  학습  데이터  셋에  존재하지  않았던  새로운  데이터  덩어리를  만들어  내고  있다.  그것

도  사람이  보기에  그럴싸한  이미지,  텍스트를  말이다.

AI가  만들어내고  있는  ‘새로운’  창작물이  인간에게  놀라움을  주는  것은  사실이지만  일상

생활과  비즈니스에서  ‘쓸만한’  어떤  것인지에  대해서는  아직  의구심이  남아  있다.  인간이 

아닌  기계가  만든  창작물의  쓸만함에  대해  논한다는  것  자체가  혁신  기술의  가능성을  더해

주고  있다고  봐야  할  것이다.

“인간이 인간임을 자랑스러워하는 이유 중 하나는 세상에 없던, 무언가 

멋진 것을 만들어내는 능력이다. 그런데 이 영역에 AI가 발을 들이

밀고 있다.”

AI가  만들어낸  그림,  소설,  영화

2015년  구글은  기괴한  디지털  이미지를  생성해내는  프로그램  ‘딥드림’을  공개했다.  딥드

림은  이미지인식  신경망을  이용하는  새로운  방식을  제시했다.  신경망이  과거  인식한  수많

은  이미지들의  특징을  추출,  재구성,  시각화하도록  함으로써  새  이미지를  ‘창작’하도록  한 

것이다.  AI가  무엇인가를  ‘창조’하도록  하는  선구적인  시도였다. 

2018년  8월  국내에서는  AI가  쓴  소설만을  위한  공모전이  열렸다.  최고의  작품은    AI  스

타트업이  출품한  로맨스  소설이었다.35)  이에  앞서  2016년  일본에서는  니혼게이자이  신문

이  주최하는  ‘호시  신이치  SF  문학상’  공모전에서  AI가  쓴  단편소설이  1차  예심을  통과해 

주목을  받기도  했었다.  당시  심사위원들은  해당  작품의  작가가  AI라는  사실을  눈치재지  못

했다고  한다.36)

2016년  4월  영국의  SF  영화제  Sci-Fi  London  film  festival에  ‘벤자민’이라는  신인  시

나리오  작가가  한  명  등장했다.  벤자민은  영화감독  오스카  샤프와  AI  연구자  로스  굿윈이 

만든  AI  프로그램이었다.37)  출품된  작품은  개연성  부족을  지적당하면서  수상에는  실패했

35)  조선비즈(2018.8.17.),  이름·직업  입력했더니  소설이  '뚝딱'…KT,  AI  소설  공모전  시상식  진행.
36)  사이언스타임즈(2019.11.24.),  AI,  스토리텔링을  시작하다.


background image

www.etri.re.kr  ●●●  19

다.  이러한  실패에도  불구하고  오스카  샤프  감독과  로스  굿윈은  벤자민과  함께  두번째  작

품  ‘It’s  no  game’을  만들었다.  이  두  번째  영화의  내용은  파업한  시나리오  작가들을  대신

해  벤자민이라는  이름의  ‘AI’가  시나리오  작가  역할을  맡게  될지도  모른다는  것이다.

AI가  만들어내는  그림,  소설,  영화는  심층신경망이  단순한  인식  기계에만  머물지  않고 

‘창작’하는  기계로  변모하고  있음을  보여주고  있다.  아기들도  부모  얼굴을  알아보고  몇마디 

말을  익히고  나면  의미모를  단어들을  지어내고  마침내  낙서를  시작한다.  부모는  뜻모를  아

기의  말소리와  그림을  보며  내심  ‘우리  아이는  천재가  아닐까’하는  공통된  오해를  시작한

다.  이런  일이  AI에게도  생기고  있는  것으로  보인다.  AI가  말을  배우는  아기에서  크레파스

를  쥔  아이로  바뀌고  있는  것이다.

“AI가  만들어내는  그림,  소설,  영화는  심층신경망이  인식  기계에만 

머물지 않고 ‘창작’ 기계로 변모하고 있음을 보여주고 있다.”

AI,  아이에서  어른으로

창작하는  일은  그림,  소설,  영화  시나리오와  같은  예술의  영역에만  머물지  않는다.  인간

이  오랜  교육,  훈련  기간을  거치면서  익히는  기량의  대부분이  새로운  무엇인가를  만들어내

는  능력이다.  그리고  이  기량은  대개  한정된  자원을  이용하고  전  세대의  모범을  존중하되 

일부분은  변형하는  과정을  통해,  주어진  목표를  달성하는  것에  관계되어  있다. 

AI  전문가들  사이에서는  이런  말이  회자된다.  ‘딥러닝은  우리집  아이가  잘  하는  일들을 

잘  하고,  우리집  아이가  잘  못하는  일은  잘  못한다’라는  말이다.  AI는  사진에  담긴  사물의 

이름을  맞추는  일은  잘  하지만  2019년  크리마스  시즌을  위한  상품  기획은  잘  못한다는  의

미다.  AI가  로맨스  소설을  서툴게나마  썼지만  일자리  부족  문제  해결책을  제시해  주지는 

못하고  있다는  것이다.  우리가  AI에게  기대하는  더  큰  가치는  후자,  현재  AI가  잘  수행하지 

못하는  고차원적  창작  능력에  관련되어  있다.  콘크리트,  철근,  벽돌,  목재를  이용한  5인  가

족용  집의  설계,  암환자  A씨를  위한  새로운  항암치료  방법,  더  많이  팔릴  목도리를  위한 

새로운  재질과  문양  등  우리의  요구는  무한히  다양하다.

다음  그림에서  볼  수  있듯이  현재의  AI가  ‘학습’하는  과정은  입력  데이터  X와  데이터에 

대한  레이블  즉,  출력  Y를  연관짓기  위한  신경망  레이어간  상관관계  W를  찾는  것이다.  ‘인

식’의  과정은  학습으로  찾아낸  W를  바탕으로  새로운  X가  무엇인지  즉,  Y를  알아내는  것이

다.  딥러닝은  무수히  많은  데이터로부터  학습하여  최적의  W는  찾고,  이것으로부터  Y를  출

력하는  인식  능력에  있어서  탁월한  성과를  보여준  것이다.  집의  외양,  내부  구조  등의  이미

37)  조선일보(2018.6.14.),  창의성은  과연  인간의  전유물인가…'인공지능  콘텐츠  혁명'.


background image

2020년  AI  7대  트렌드

20  ●●●  기술정책연구본부

지를  보고  집이라는  객체를  인식하는  식이다.  하지만  우리가  AI에  기대하는  더  큰  가치와 

기능들은  ‘창작’에  가깝다.  ‘5인  가족이  안락하게  사는  집’을  창작하는  과정은  기존에  학습

하여  인식한  수많은  집이라는  Y로부터  집의  외양,  내부  구조,  재료  등으로  구성된  새로운 

X를  만드는  것이다.

그림  3

AI의  학습,  인식,  창작  과정의  비교

※  출처:  저자  작성

현재  GAN은  호텔  방의  이미지를  학습해가면서  진짜와  매우  유사한  새로운  호텔  방  이

미지를  생성할  수  있다.  이제  우리가  기대하는  것은  진짜와  유사한  이미지가  아니라  ‘안락

한’,  ‘저렴하지만  만족스러운’,  ‘고급스러운’  등의  특성을  가진  새로운  호텔  방의  인테리어 

기획안이다.  이러한  고급  지능의  발현이  단순한  이미지인식의  응용  또는  GAN의  확장을  통

해서만  이루어지기는  어려울  것이다.  음성인식,  자연어처리,  로봇동작제어,  자율주행차  등 

더  다양한  분야에서  더  깊은  추론‧제어  기능  학습이  이루어지고  이  과정에서  축적된  각  분

야  전문  지식이  통합되어야  할  것이다.  하지만  가장  필요한  것은  이러한  고차원적  지능이 

가능할  것이라는  믿음과  기대로  보여진다.  이미지인식,  자연어처리,  통번역,  자율주행  등에

만  매몰되어  AI가  줄  수  있는  더  큰  가치에  대해  포기해서는  안될  것이다.

“고급 지능은 다양한 분야에서 더 깊은 추론‧제어 기능 학습이 이루어지고 

축적된 각 분야 전문 지식이 통합될 때 가능할 것이다.”


background image

www.etri.re.kr  ●●●  21

6   자율지능의  미래,  AI  호문쿨루스

체화된  인식(Embodied  Cognition),  체화된  지능(Embodied  Intelligence)이라는  개념이 

있다.  지능이  두뇌뿐만  아니라  신체의  형태,  기능과  연관을  맺고  있다는  개념이다.  거칠게 

표현하자면  생각하는  능력은  어쩌면  우리가  열  개의  손가락을  가졌기  때문에  발달된  것일 

수  있다는  지적이다.  또  한편으로는  인간의  입이  물어뜯기  보다는  다양한  발음에  능한  것

은  유려하게  말하는  능력이  적을  물어뜯어  죽이는  능력보다  더  높은  경쟁우위를  만들었기 

때문이라는  주장이기도  하다.  AI  역시  인간의  지능처럼  AI가  깃든  몸,  기계장치와  유기적 

연관을  맺고  발전해  나가고  있다.  AI가  깃든  몸은  자동차,  드론,  로봇팔  등으로  확장되고 
있고  이에  따라  AI는  새로운  능력을  새로운  방식으로  익혀가고  있다. 

“인간의 지능은 두뇌뿐만 아니라 육체의 다양한 형태, 기능과 연관을 

맺고 있으며, AI 역시 AI가 깃든 몸, 기계장치와 유기적 연관을 맺으며 

발전해가고 있다.”

이미지인식에  기반한  자율행동  기계들

이미지인식에서  시작된  딥러닝은  이제  운전을  거의  다  배운  것  같다.  자율주행차는  시제

품  단계를  벗어나  양산과  상업  서비스의  단계로  접어들고  있다.  미국  애리조나  피닉스시에

서는  2018년  12월부터  Waymo의  자율주행  택시  서비스가  시작되었다.  Uber,  GM,  Volvo, 

Audi  등  자동차  관련  업체들은  2020년  또는  2021년에  자율주행차의  양산,  상용화가  이루

어질  것이라  예측하고  있다. 

AI는  공중을  나는  비행체도  조종한다.  NVIDIA는  2015년  드론에서  사용가능한  저전력, 

경량  기계학습용  칩셋  Jetson  TX1을  발표했고,  구글  모회사  알파벳은  ‘윙  프로젝트’를  통

해  딥러닝  알고리즘을  적용해  스스로  나무,  건물,  전력선  등을  피하면서  비행하는  AI  드론

을  개발하고  있다.38)  드론  회사  DJI는  자율비행을  위해  Microsoft와  제휴를  맺었고  2018

년  Microsoft는  DJI  드론  제어를  위한  SDK(Software  Development  Kit)를  내놓았다.39) 

로봇  청소기도  이미지인식  AI  덕분에  인기  가전제품이  되었다.  센서를  이용해  바닥,  벽, 

천장,  가구를  인식하고  효과적인  청소  경로를  찾게  된  것이다.  기능  향상과  안정화  덕분에 

2016년  20억  달러였던  로봇  청소기  세계  시장  규모는  2020년에는  30억  달러까지  확대될 

것으로  예측되고  있다.

38)  https://x.company/projects/wing/
39)  enterprise.dji.com,  “DJI  and  Microsoft  partner  to  bring  advanced  drone  technology  to  the 

enterprise”


background image

2020년  AI  7대  트렌드

22  ●●●  기술정책연구본부

긴  기간  동안  우여곡절을  겪으며  탄생한  AI,  딥러닝이  가장  먼저  효용을  보인  응용처가 

이미지인식이며  이에  기반한  자율주행차,  자율비행드론,  로봇  청소기  등  기계들이  본격적으
로  세상에  나오기  시작했다.  이제  연구자들은  더  복잡한  기계  동작에  AI를  응용하기  위해 
노력  중이다.  인간  신체  중에서  가장  정교하게  움직이는  부분,  바로  팔과  손에  해당하는  기

계를  제어하기  위한  AI  개발에  대한  도전이다.

이미지인식이  아닌,  행동인식에  기반한  자율동작  AI

자동차,  드론이  이미지인식  AI를  활용해  스스로를  조종하는  동안,  다른  한편에서는  조금 

더  복잡한  동작을  학습하는  새로운  AI가  만들어지고  있다.  2018년  미국의  비영리회사 

OpenAI는  로봇팔을  움직이는  AI,  Dactyl을  공개했다.

그림  4

Dactyl에  의해  움직이는  로봇팔

※  출처:  www.openai.com

Dactyl  AI는  손바닥  위에  놓인  육면체를  손가락으로  움직여  육면체  윗면에  특정한  문양

이  보이도록  한다.  이전에는  정교한  수리적  모델을  구성해  동작을  학습시켜왔으나  실패를 

거듭했다.  Dactyl은  다른  방식으로  접근했다.  Dactyl은  카메라를  통해  5개  손가락  위치와 

육면체  모양을  인지했다.  더  중요한  것은  실제  동작  전에  다양한  손가락  동작의  결과를  시

뮬레이션  해본다는  점이다.  단순한  물리엔진을  이용한  시뮬레이션을  여러  번  반복해  다음 

손가락  동작을  결정하는  것이다.  가상실험과  실제  동작을  병행하는  전략은  성공적이었고, 

마침내  Dactyl은  인간의  가르침  없이  육면체를  조작하는  동작을  스스로  익혔다.40) 

인간과  유사한  방식으로  손동작을  익히려  했다는  점과  이미  성숙한  이미지인식  알고리

즘을  적극적으로  응용했다는  점,  이  두  가지가  Dactyl이  이룬  작은  성공의  원인이  아니었

을까?  Dactyl과  인간은  움직임을  눈으로  보면서,  그리고  움직임의  결과를  상상하면서  정교

한  손동작을  익힌다는  점에서  유사하다.  이미지인식  알고리즘이  max  pooling  등을  통해 

이미지  내의  지나친  세부묘사를  단순화시킨  후  인식에  성공했듯이,  Dactyl  또한  적당히  단

순화된  시뮬레이션을  이용함으로써  동작  학습에  성공했다.

40)  www.openai.com


background image

www.etri.re.kr  ●●●  23

“인간과 유사한 방식으로 손동작을 익히려 했다는 점과 이미 성숙한 

이미지인식  알고리즘을  적극적으로  응용했다는  점,  이  두  가지가 

Dactyl이 이룬 작은 성공의 원인이 아니었을까?”

AI  호문쿨루스

인간을  인간답게  만드는  뇌라  여겨지는  대뇌피질에서는  손,  눈,  입의  감각과  동작을  담

당하는  부분이  어느  정도  구분된다고  한다.  흔히  펜필드의  호문쿨루스(Homunculus  of 

Penfield)라  부르는  형상은  특정  신체  부위를  담당하는  대뇌피질  넓이에  따라  인체  크기를 

바꾸어  만든  모형이다.  이  모형을  살펴보면  눈,  입,  그리고  손의  순서대로  담당  부위가  넓
어져  가는  것을  볼  수  있다.  가장  많은  정보를  인지하는  감각기관이라는  눈보다  입,  손에 

관계된  대뇌피질이  더  넓다는  것이다. 

그림  5

펜필드  호문쿨루스:  감각(좌),  동작(우)을  다루는  뇌  크기에  따른  인체모형

※  출처:  source.opennews.org

딥러닝  등  AI도  눈(이미지인식),  입(언어처리),  마침내  손동작  제어  등  점점  복잡해  져가는 

알고리즘으로  연구개발  영역을  옮겨가고  있다.  인간의  두뇌,  인간의  학습‧훈련  과정처럼  AI

도  이전에  개발되고  효과가  검증된  학습  알고리즘을  바탕으로  새로운  데이터,  새로운  기계

제어  방식을  학습해나갈  것으로  보인다.  AI의  미래  진화방향을  궁금해  한다면  인간이  문명

을  만들어내는데  가장  큰  역할을  한  신체동작은  달리기일까,  정교한  손동작일까,  그리고  중

요하지만  미처  생각하지  못했던,  인간을  인간답게  만든  인지기능,  동작,  행동은  무엇이  있

을까를  주목해야  할  것이다.

“인간의  두뇌,  인간의  학습‧훈련처럼  AI도  이전에  개발되고  효과가 

검증된  학습  알고리즘을  바탕으로  새로운  데이터,  새로운  기계제어 

방식을 학습해나갈 것으로 보인다.”


background image

2020년  AI  7대  트렌드

24  ●●●  기술정책연구본부

7   AI  칩이  정의하는  컴퓨팅  폼팩터

개인용  컴퓨터,  스마트폰,  클라우드  컴퓨팅  등에  이어  AI를  위한  새로운  컴퓨팅  폼팩터

가  만들어지고  있다.  AI  반도체라  일컫는  학습(Learning),  추론(Inference)에  특화된  연산

장치는  ‘적정  효율’을  갖춘  AI용  컴퓨팅  폼팩터를  마련하기  위한  업계의  노력이다.  메인프

레임,  PC,  클라우드  컴퓨터  등  컴퓨터  폼팩터와  용도  변화에  따라  Power  Chip,  x86  시리

즈,  멀티코어  칩  등  각각에  적합한  표준적  연산장치가  개발‧활용되어  왔는데,  AI  시대에  발

맞추어  AI용  연산  가속기라는  새로운  연산장치  개발이  시작된  것이다.

새로운  연산장치는  고도의  기술력과  자본  투자를  요구하는  기술  프로젝트인  만큼,  소비 

시장  규모가  담보될  때  업계의  투자와  개발  경쟁이  시작된다.  그리고  경쟁의  승자는  생각

보다  일찍  결정된다.  연산장치,  칩을  소비하는  기업들은  작으나마  경쟁  우위를  보인  한  두 

개  기업의  제품을  구매하고  이에  관련된  칩셋,  디바이스,  소프트웨어,  서비스를  일반  소비

자들에게  내놓기  시작하면  연산장치  시장의  구도가  결정되기  때문일  것이다.

“새로운  연산장치는  고도의  기술력과  자본  투자를  요구하는  기술 

프로젝트인  만큼  소비  시장  규모가  담보될  때  업계의  투자와  개발 

경쟁이 시작된다. 그리고 경쟁의 승자는 생각보다 일찍 결정된다.”

  AI용  연산장치를  구현하는  대안들

학습,  추론에  특화된  연산장치를  구현하기  위한  기술적  시도들  중에서  눈에  띄는  것은 

ASIC(Application-Specific  Integrated  Circuit),  FPGA(Field-Programmable  Gate 

Array),  GPU(Graphics  Processing  Unit)  등이라  할  수  있다.  이들은  각기  기술적인  장단

점이  뚜렷하다.  GPU는  전력  소모량이  큰  대신  개발자  경험과  사례가  가장  많이  축적되어 

있다.  ASIC  방식은  속도와  전력  소모량에서  가장  앞서  있지만  개발  비용이  높다.  FPGA  연

산장치는  속도,  전력  소모량,  개발  비용  측면에서  GPU와  ASIC의  중간쯤에  위치한다.

결국  실제  AI  반도체  기술  개발의  방향은  학습  알고리즘의  성숙속도와  응용분야별  학습, 

추론의  각  활용  비중에  따라  달라질  것이다.  학습  알고리즘이  성숙단계에  가깝고,  효과적인 

Base  Model41)의  탐색에  성공한  분야에서는  계산속도와  전력효율에서  강점을  가진  ASIC

과  유사한  기술적  특성을  가진  전용  가속기  칩셋이  표준화될  것이다.  기개발된  알고리즘으

로  이미지인식  등  작업을  많이  수행하는  구글  클라우드  플랫폼에서는  행렬곱셈에  최적화된 

ASIC  기반의  TPU-1,  TPU-2  칩셋을  활용하는  것이  그  예이다.42) 

41)  표준적인  데이터셋을  학습함으로써  구성된  추론  모델로서  추가  데이터셋  학습  등을  통해  성능  향상, 

성능  특화가  가능

42)  IITP(2018),  반도체  산업의  차세대  성장엔진,  AI  반도체  동향과  시사점.


background image

www.etri.re.kr  ●●●  25

표  5

인공지능  반도체  유형별  특징

반대로  다양한  알고리즘  개발이  진행  중이며  학습용  데이터셋  변경과  이에  따른  Base 

Model  보완이  잦은  분야에서는  프로그래밍  변경이  용이한  GPU,  FPGA  등과  유사한  기술

적  특성을  가진  전용  가속기  칩셋이  널리  쓰일  것이다.  통번역,  자연어인식,  검색  등과  같

이  변화하는  데이터셋을  재학습해  성능을  유지‧향상시켜야  하는  분야에서는  GPU,  FPGA등

의  활용이  효과적일  것으로  보인다.  이에  대한  사례로서  Microsoft가  검색엔진  Bing에 

FPGA  기반  기술을  적용한  사실을  들  수  있다.43)

“GPU는 전력 소모량이 큰 대신 개발자 경험과 사례가 가장 많이 축적

되어 있다.  ASIC 방식은  속도와  전력  소모량에서  가장  앞서  있지만 

개발 비용이  높다.  FPGA  연산장치는  속도,  전력  소모량,  개발  비용 

측면에서 GPU와 ASIC의 중간쯤에 위치한다.”

멀리  있는  뉴로모픽  보다는  현실적인  ASIC과  GPU

ICT  업계의  한켠에는  AI  반도체의  대안으로서  인간  두뇌  구조와  작동방식을  흉내낸  뉴

43)  한국과학기술기획평가원(2019),  인공지능(반도체),  KISTEP  기술동향브리프  2019-01호.

유형

GPU

FPGA

ASIC

장점

- GPU는  병렬처리에 

최적화된  프로세서로, 
CPU에  비해  빠른 
가속능력

- 엔비디아  CUDA  등 

개발자환경이  잘  갖춰져 
있고,  적용  사례가  많아 
지원받기  용이

- ASIC보다  초기  개발  비용이  저렴
- CPU와  병렬  작동이  용이해 

전체  시스템  병목현상  발생  없음

- 회로  재구성이  가능,  발전 

중인  AI  알고리즘을  유연하게 
적용  가능
(예)  A  업무에  사용하다가 
회로를  재설정해  B 
업무용으로  사용  가능

- GPU,  FPGA  대비 

매우  빠른  속도와 
우수한  전력효율

단점

- FPGA,  ASIC  대비  낮은 

전력효율을  보임

- 기존  x86  시스템에  추가 

구축  시,  확장성과 
호환성에  한계
(예)  데이터  전송 
병목문제,  시스템 
호환문제  등 

- ASIC보다  느리고  CPU나 

GPU  같은  범용  프로세서 
대비  더  높은  프로그래밍 
기술  수준을  요함

- 8/16비트  수준의  낮은  정확성 

알고리즘에  적합,  현재  주류 
신경망  알고리즘  트렌드와  괴리

- 매우  비싼  초기 

제작비용,  장시간의 
개발  소요  시간

- 특정  연산에  최적화 

되었기  때문에  응용 
분야가  한정

※  출처:  한국전자통신연구원(2017),  인공지능  반도체  산업동향  및  이슈  분석.


background image

2020년  AI  7대  트렌드

26  ●●●  기술정책연구본부

로모픽  칩에  대한  기대가  있다.  IBM,  Intel,  Qualcomm  등  거대  기업들과  DARPA까지  뉴

로모픽  칩  개발에  투자하고  있다.  가장  눈에  띄는  것은  IBM이  개발한  뉴로모픽  칩 

TrueNorth이다.  이미  2014년에  기존  마이크로프로세서의  1만분의  1에  해당하는  전력을 

소모하면서  초당  1,200프레임에서  2,600프레임으로  이미지  분류하기에  성공한  바  있다.  하

지만  이후  성과에  대한  인상적인  발표는  없었다.  지나치게  뛰어난  기술이라  보안이  철저한 

탓일  수도  있겠지만  현재로서는  상용화  가능한  뉴로모픽  칩  개발  시점을  예측하기는  어렵

다.  뉴로모픽  칩에  대한  연구와  기술  개발  노력은  이어져야  한다.  하지만  뉴로모픽  칩  보다

는  가용성  높은  기술들이  AI  반도체  시장의  주류를  형성하리라  보는  것이  현실적인  판단이

다.  또한  AI  반도체  기술방식  자체의  장단점  뿐만  아니라  킬러앱,  가용한  통신환경  등에  따

라  AI  반도체  기술의  주류가  바뀔  것으로  보인다.

“AI가 구현되고 작동하는 지점은 대기업 데이터 센터와 스마트폰으로 

양극화될 것으로 보인다. 그리고 이들은 고속화되는 모바일 네트워크로 

연결된다.  이런  추세를  인정한다면  AI  반도체의  미래  주류는  GPU, 

ASIC(또는 ASSP)로 결정될 가능성이 높은 것으로 판단된다.”

PC  시대의  연산장치  개발  경쟁은  결국  인텔의  x86  시리즈  칩셋이라는  사실상의  표준화

로  일단락  되었다.  인텔은  지속적으로  기술‧가격  경쟁력을  유지하면서  시장지배력을  공고히 

했고  스마트폰  시대  전까지는  시대를  대표하는  CPU가  되었다.  이  이면에는  IBM  PC,  인텔 

칩셋,  MS-DOS  및  Windows로  형성된  표준형  PC라는  폼팩터가  있었다.  인텔의  x86  시리

즈  칩셋이  PC  시대의  대표  연산장치가  된  것은  성능이  압도적으로  뛰어나서가  아니라,  표

준형  PC  폼팩터를  구성하는  부분이라는  점이  크게  작용했다고  봐야  할  것이다.

ICT  디바이스와  서비스  부문에서  세계적인  주류인  안드로이드  기반  스마트폰,  구글,  아

마존,  그리고  모바일  네트워크의  고속화  등의  추세가  AI  반도체의  주류  형태를  결정하는데 

큰  영향을  줄  것이다.  AI가  구현되고  작동하는  지점은  대기업  데이터  센터와  스마트폰으로 

양극화될  것으로  보인다.  그리고  이들은  고속화되는  모바일  네트워크로  연결된다.  이런  추

세를  인정한다면  AI  반도체의  미래  주류는  GPU,  ASIC(또는  ASSP)로  결정될  가능성이  높

은  것으로  판단된다. 

GPU와  ASIC은  프로그래밍  용이성과  속도라는  측면에서  뚜렷한  장점을  각각  가지고  있

어  기업의  서비스  개발과  서비스  제공  단계에서  각자의  장점을  발휘할  것이다.  또한  모바

일  네트워크  고속화로  인해  스마트폰에서  AI를  학습‧개선시키는  작업에  대한  수요는  점점 

줄어들  것으로  보인다.  모바일  AI  성능  향상이  반드시  필요한  의료,  구난,  군사  등  특정  응

용  분야에서는  해당  분야에  적합한  ASIC  반도체를  이용하게  될  것이다.


background image

저자소개

이승민  ETRI  지능화융합연구소  기술정책연구본부  경제사회연구실  책임연구원

e-mail:  todtom@etri.re.kr  Tel.  042-860-1775

정지형 ETRI  지능화융합연구소  기술정책연구본부  경제사회연구실  책임연구원

e-mail:  jhc123@etri.re.kr  Tel.  042-860-5643

2020년  AI  7대  트렌드

발행인 이  지  형

발행처 한국전자통신연구원  지능화융합연구소  기술정책연구본부

발행일 2019년  12월  31일


background image